Fugu-MT 論文翻訳(概要): Read, Extract, Classify: A Tool for Smarter Requirements Engineering

論文の概要: Read, Extract, Classify: A Tool for Smarter Requirements Engineering

arxiv url: http://arxiv.org/abs/2605.11045v1
Date: Mon, 11 May 2026 09:52:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-13 21:48:56.326943
Title: Read, Extract, Classify: A Tool for Smarter Requirements Engineering
Title（参考訳）: Read, Extract, Classify: 要求工学をより賢くするためのツール
Authors: Paheli Bhattacharya, Manojit Chakraborty, Santhosh Kumar Arumugam, Rishabh Gupta,
Abstract要約: ReXCLツールは、要求工学における抽出と分類プロセスを自動化する。このツールは2つの主要なモジュール、抽出と分類を備えている。性能評価は、ReXCLが要求管理の効率と正確性を大幅に改善することを示している。
参考スコア（独自算出の注目度）: 3.298774156504328
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents the ReXCL tool, which automates the extraction and classification processes in requirements engineering, enhancing the software development life-cycle. The tool features two main modules: Extraction, which processes raw requirement documents into a predefined schema using heuristics and predictive modeling, and Classification, which assigns class labels to requirements using adaptive fine-tuning of encoder-based models. The final output can be exported to external requirement engineering tools. Performance evaluations indicate that ReXCL significantly improves efficiency and accuracy in managing requirements, marking a novel approach to automating the schematization of semi-structured requirement documents.
Abstract（参考訳）: 本稿では,要求工学における抽出・分類プロセスを自動化するReXCLツールについて述べる。このツールは、ヒューリスティックスと予測モデリングを使って生の要求文書を事前定義されたスキーマに処理する抽出と、エンコーダベースのモデルの適応的な微調整を使用してクラスラベルを要求に割り当てる分類という2つの主要なモジュールを備えている。最終的な出力は、外部要求エンジニアリングツールにエクスポートできる。性能評価は、ReXCLが要求管理の効率と正確性を大幅に改善し、半構造化要求文書のスキーマ化を自動化する新しいアプローチを示すことを示している。

関連論文リスト

MonkeyOCR v1.5 Technical Report: Unlocking Robust Document Parsing for Complex Patterns [80.05126590825121]
MonkeyOCR v1.5は、レイアウト理解とコンテンツ認識の両方を強化する統合ビジョン言語フレームワークである。複雑なテーブル構造に対処するために,視覚的整合性に基づく強化学習手法を提案する。 2つの特別なモジュール、Image-Decoupled Table ParsingとType-Guided Table Mergingを導入し、テーブルの信頼性の高いパースを可能にする。
論文参考訳（メタデータ） (2025-11-13T15:12:17Z)
POINTS-Reader: Distillation-Free Adaptation of Vision-Language Models for Document Conversion [32.52489423671728]
高品質なラベル付きデータは、正確な文書変換モデルのトレーニングに不可欠である。高品質な文書抽出データセットを構築するための2つの段階からなる完全自動化フレームワークを提案する。我々は公開のPOINTS-1.5モデルをトレーニングしてPOINTS-Readerを得る。
論文参考訳（メタデータ） (2025-09-01T07:54:18Z)
Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environments [70.42705564227548]
大規模言語モデル(LLM)のための環境自動構築パイプラインを提案する。これにより、外部ツールに頼ることなく、詳細な測定可能なフィードバックを提供する高品質なトレーニング環境の作成が可能になる。また、ツール使用の精度とタスク実行の完全性の両方を評価する検証可能な報酬機構も導入する。
論文参考訳（メタデータ） (2025-08-12T09:45:19Z)
Leveraging Machine Learning and Enhanced Parallelism Detection for BPMN Model Generation from Text [75.77648333476776]
本稿では、テキストからBPMNモデルを抽出する自動パイプラインについて紹介する。この研究の重要な貢献は、新たに注釈付けされたデータセットの導入である。モデルトレーニング用の32のパラレルゲートウェイを含む15の注釈付き文書でデータセットを増強する。
論文参考訳（メタデータ） (2025-07-11T07:25:55Z)
ReXCL: A Tool for Requirement Document Extraction and Classification [3.888266374580385]
ReXCLツールは、要求工学における抽出と分類プロセスを自動化する。性能評価は、ReXCLが要求管理の効率と正確性を大幅に改善することを示している。
論文参考訳（メタデータ） (2025-04-10T08:46:54Z)
ToolACE-R: Model-aware Iterative Training and Adaptive Refinement for Tool Learning [84.69651852838794]
ツール学習により、LLM(Large Language Models)は複雑なユーザタスクを解決するための外部ツールを活用することができる。本稿では,ツール学習のための反復学習と適応的洗練の両方を含む新しいフレームワークであるToolACE-Rを提案する。我々は、いくつかのベンチマークデータセットにわたる広範な実験を行い、ToolACE-Rが高度なAPIベースのモデルと比較して、競争力のあるパフォーマンスを実現していることを示す。
論文参考訳（メタデータ） (2025-04-02T06:38:56Z)
Adaptable Embeddings Network (AEN) [49.1574468325115]
我々はカーネル密度推定(KDE)を用いた新しいデュアルエンコーダアーキテクチャであるAdaptable Embeddings Networks (AEN)を紹介する。 AENは、再トレーニングせずに分類基準のランタイム適応を可能にし、非自己回帰的である。アーキテクチャのプリプロセスとキャッシュ条件の埋め込み能力は、エッジコンピューティングアプリケーションやリアルタイム監視システムに最適である。
論文参考訳（メタデータ） (2024-11-21T02:15:52Z)
Digital requirements engineering with an INCOSE-derived SysML meta-model [0.0]
我々は、モデルベース構造化要求SysMLプロファイルを拡張して、要求書作成のためのINCOSEガイドに準拠します。結果のSysMLプロファイルはNASAジェット推進研究所の2つのシステムアーキテクチャモデルに適用された。
論文参考訳（メタデータ） (2024-10-12T03:06:13Z)
Automated Configuration Synthesis for Machine Learning Models: A git-Based Requirement and Architecture Management System [5.095988654970361]
この作業では、ソフトウェアコードとともにgitリポジトリ(T-Reqs)にアーティファクトとして格納されたテキスト要求からランタイム設定を自動的に生成するツールを導入している。このツールは、T-Reqsでモデル化されたアーキテクチャ記述を利用して、人工知能(AI)対応ソフトウェアシステムのデプロイに必要な構成特性を特定する。
論文参考訳（メタデータ） (2024-04-26T08:35:02Z)
Natural Language Processing for Systems Engineering: Automatic Generation of Systems Modelling Language Diagrams [0.10312968200748115]
構造化されていない自然言語テキストからシステム図の自動生成を支援する手法が提案されている。目的は、より標準化され、包括的で自動化されたスタートポイントをユーザに提供することです。
論文参考訳（メタデータ） (2022-08-09T19:20:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。